Profissional Consultor Ciências De Dados

A primeira coisa que você precisa saber é que aqui você não vai cair na rotina.
A Radix desenvolve soluções para empresas de diferentes setores e indústrias.
Cada projeto tem suas tecnologias, soluções e prazos e você terá oportunidade de atuar e experimentar diferentes desafios.
Além da nossa atuação pelo Brasil, com escritório no Rio de janeiro, São Paulo e Belo Horizonte, temos também filiais nos Estados Unidos, fazendo com que a Radix se consolide cada vez mais como uma empresa global.
Quer fazer parte dessa história e transformar ideias e sonhos em realidade?
Enquanto Consultor Ciências de Dados você vai:
- Definir a estratégia analítica e o roadmap da frente de ciência de dados, alinhando prioridades técnicas aos objetivos do projeto e às decisões do negócio.
- Explorar a base glosado versus não glosado e identificar hotspots, padrões recorrentes e diferenças relevantes entre perfis aceitos e glosados.
- Desenvolver análises de Pareto e segmentações por operadora, unidade, especialidade, procedimento, motivo, etapa da jornada e tempo entre eventos.
- Projetar, testar e interpretar modelos de classificação, regressão, árvores, ensembles, clustering e métodos estatísticos adequados ao problema.
- Definir e validar features que representem divergências, coocorrências, consistência de códigos, mix de itens, maturação do evento e timing entre etapas.
- Definir KPIs e conduzir validações in-sample e out-of-sample, avaliando desempenho, explicabilidade, reprodutibilidade, generalização, vieses, falsos positivos e falsos negativos.
- Traduzir padrões em tipologias operacionais e drivers acionáveis, conectando-os a intervenções de processo, regras, checagens, alertas ou automação.
- Quantificar impacto potencial e apoiar a priorização de iniciativas por valor evitável, frequência, recorrência, replicabilidade e esforço.
- Conduzir pesquisas aplicadas e provas de conceito, selecionando tecnologias e metodologias com critérios claros de aceite, continuidade e escalabilidade.
- Apoiar a integração e a evolução de modelos ou regras analíticas no fluxo operacional, definindo monitoramento, gatilhos de revisão e critérios de segurança.
- Trabalhar em conjunto com engenharia de dados, áreas de negócio, especialistas assistênciais e equipes de tecnologia para garantir consistência e aplicabilidade.
- Liderar discussões técnicas e orientar profissionais juniores e plenos, promovendo boas práticas de código, revisão, documentação, reprodutibilidade e experimentação.
- Comunicar achados complexos de forma clara para públicos técnicos e executivos, explicitando limitações, riscos e implicações para decisão.
Para essa vaga, você deve ter:
VAGA HÍBRIDA, RIO DE JANEIRO
- Graduação em áreas como Ciência da Computação, Engenharia, Estatística, Matemática, Física, Economia ou correlatas.
- Domínio aplicado de machine learning supervisionado e não supervisionado, incluindo classificação, regressão, árvores, ensembles, clustering, seleção de variáveis e avaliação de modelos.
- Experiência sólida em projetos complexos de ciência de dados e IA de ponta a ponta, da identificação do problema e desenho da solução à implantação, monitoramento e evolução.
- Programação avançada em Python e domínio prático de bibliotecas de manipulação de dados, estatística e machine learning.
- Capacidade de trabalhar com dados tabulares de alta granularidade, eventos longitudinais, chaves imperfeitas, classes desbalanceadas e múltiplos recortes de negócio.
- Domínio de desenho de métricas, validação in-sample e out-of-sample, testes de robustez, explicabilidade, reprodutibilidade, generalização e monitoramento de desempenho.
- Experiência em feature engineering e em tradução de resultados analíticos para decisões de processo e priorização de iniciativas.
- Experiência prática na operacionalização de modelos ou produtos analíticos, incluindo integração, critérios de aceite, monitoramento e evolução após a entrega inicial.
- Conhecimento de práticas de engenharia de software e MLOps para ciência de dados: versionamento, testes, revisão de código, documentação, automação e reprodutibilidade.
- Conhecimento de governança de dados e modelos, incluindo rastreabilidade, critérios de aceite e uso responsável das conclusões.
- Liderança técnica comprovada, com capacidade de definir prioridades, orientar cientistas e engenheiros, tomar decisões sob restrições e desenvolver pessoas.
- Visão de negócio e capacidade de conectar escolhas técnicas a valor, prazo, risco e adoção operacional.
- Comunicação clara de resultados complexos para públicos técnicos, especialistas de domínio e alta liderança.
- Inglês avançado para conversação.

É um diferencial se você tiver:
- Vivência em consultoria, produtos de dados ou ambientes multidisciplinares, traduzindo necessidades de clientes em soluções técn